低剂量CBCT人工智能模型的临床应用

简要摘要

锥形束CT（CBCT）是一种用于介入性数字减影血管造影（DSA）的成像方式。它通过锥形束X射线扫描和计算机重建产生三维图像。在临床上，CBCT引导肺和肝脏病变的穿刺，并评估肝癌和脑血管疾病干预后的结果。然而，CBCT引导的干预具有高患者辐射暴露的风险；剂量降低通常会降低图像质量并损害手术结果。研究报道，每增加100 mGy的辐射量，癌症风险会增加1.96倍。 人工智能使低剂量CBCT成为可能。我们之前开发的DeepPriorCBCT模型使用神经网络离散表示学习嵌入解剖先验，将胸部CBCT剂量降低到常规方案的六分之一，同时保持图像质量。我们进一步开发了DeepPriorCBCT-V2，使用了55000个预重建的CBCT数据集，涵盖了大脑、胸腔和腹部。这个多器官模型在六分之一标准辐射剂量下保持图像质量。然而，其在现实世界中的临床性能尚未得到验证。因此，我们设计了这项前瞻性多中心随机对照试验，以评估DeepPriorCBCT-V2的临床应用性。